0:00:07.860,0:00:10.682
Nos primórdios do Business Intelligence,

0:00:10.682,0:00:15.597
levávamos pelo menos aí um ano dentro [br]da construção de um Data Warehouse

0:00:15.597,0:00:17.798
para fazer, de fato, uma entrega de valor.

0:00:18.685,0:00:22.455
Ao longo desse tempo,[br]muitos projetos naufragavam.

0:00:22.455,0:00:27.342
Período longo demais para manter [br]o patrocínio da alta gestão.

0:00:28.495,0:00:31.135
Boas notícias! Nós viramos esse jogo.

0:00:31.135,0:00:35.989
Com uma stack moderna de dados,[br]trazendo agilidade na gestão dos projetos,

0:00:35.989,0:00:39.454
usando ferramentas low-code,[br]indo para cloud,

0:00:39.454,0:00:44.018
trabalhando muito mais DataOps,[br]hoje, em pouquíssimo tempo,

0:00:44.018,0:00:49.449
nós conseguimos entregar na mão [br]dos analistas, dos times de gestão,

0:00:49.449,0:00:52.455
informações consistentes[br]para a tomada de decisão.

0:00:52.455,0:00:56.258
Eu sou a Tassiana, sou gestora [br]de dados e analytics na triggo.ai,

0:00:56.258,0:00:58.358
que é uma startup[br]de Inteligência Artificial,

0:00:58.358,0:01:02.262
professora e coordenadora [br]de MBA aqui na FIAP.

0:01:02.262,0:01:05.798
E eu estou aqui com o nosso [br]querido Lucas Brandi,

0:01:05.798,0:01:08.007
sumidade quando o assunto é dado.

0:01:08.007,0:01:11.137
Ele vai contar um pouquinho [br]da carreira dele para nós,

0:01:11.137,0:01:15.012
contar como os dados [br]fazem parte hoje

0:01:15.012,0:01:17.692
do seu cotidiano né, Lucas?

0:01:17.692,0:01:21.781
E nós vamos bater um papo aqui[br]bem gostoso sobre boas práticas,

0:01:21.781,0:01:25.051
justamente nesse contexto das informações.

0:01:25.051,0:01:25.822
Exatamente.

0:01:26.386,0:01:29.589
Bom, meu nome é Lucas Brandi,[br]eu sou engenheiro de dados.

0:01:29.589,0:01:34.048
Trabalho para uma empresa chamada X-Team [br]como consultor para projetos internacionais,

0:01:34.048,0:01:38.498
principalmente no âmbito [br]de Data Warehouse e Data Lake.

0:01:38.498,0:01:43.431
Ambos os projetos são voltados [br]para organizarmos os dados

0:01:43.431,0:01:47.659
de uma forma eficiente para o uso [br]posterior, para ciência de dados,

0:01:47.659,0:01:51.177
para análises, desenvolvimento [br]de métricas e assim por diante.

0:01:51.177,0:01:54.247
Em poucas palavras,[br]trazer valor para o negócio.

0:01:54.247,0:01:55.012
Muito bacana.

0:01:55.012,0:01:56.529
Gente, o Lucas é um engenheiro incrível.

0:01:56.529,0:01:59.786
Vai dar dicas importantíssimas para vocês.

0:01:59.786,0:02:02.199
E para partirmos do início, Lucas,

0:02:02.199,0:02:06.311
sempre tem ali uma necessidade [br]de tomada de decisão,

0:02:06.311,0:02:08.061
uma necessidade de análise.

0:02:08.061,0:02:09.829
Toda organização tem.

0:02:09.829,0:02:13.599
Mas daí até chegar [br]a implementação de um projeto,

0:02:13.599,0:02:17.668
uma esteira de construção de engenharia,[br]uma entrega de valor lá na ponta,

0:02:17.668,0:02:22.208
com dashboards, com estatísticas,

0:02:22.208,0:02:25.711
e às vezes até evoluir [br]para um Machine Learning, enfim,

0:02:25.711,0:02:29.315
como funciona esse trilho,[br]como nascem esses projetos,

0:02:29.315,0:02:32.656
e como vamos fazendo[br]toda essa construção?

0:02:33.428,0:02:36.389
Eu acho que nós temos diversas situações.

0:02:36.389,0:02:39.028
Em alguns casos, quando [br]começamos um projeto de dados,

0:02:39.028,0:02:42.128
pode ser que seja numa empresa[br]que também está começando.

0:02:42.128,0:02:45.598
Então avançamos com a maturidade de dados,

0:02:45.598,0:02:49.068
assim como a empresa está avançando também[br]com o desenvolvimento do produto.

0:02:49.068,0:02:53.739
Em outros cenários, já temos um produto [br]desenvolvido, uma empresa estabelecida,

0:02:53.739,0:02:57.662
mas que ainda não estava[br]utilizando das boas práticas do mercado

0:02:57.662,0:02:59.245
para uso de dados,

0:02:59.245,0:03:02.582
para se tornar uma empresa[br]data-driven, enfim.

0:03:02.582,0:03:07.286
Nesses cenários, nós precisamos [br]estar muito mais próximos

0:03:07.286,0:03:10.605
das áreas de negócio, de quem [br]conhece, domina de fato o produto,

0:03:10.605,0:03:13.993
para conseguir extrair [br]esses insumos do negócio,

0:03:13.993,0:03:19.714
para conseguir pensar, planejar como vamos [br]implementar esse projeto de Data Warehouse,

0:03:19.714,0:03:23.278
numa boa plataforma de dados[br]para agregar valor rápido,

0:03:23.278,0:03:25.438
como você mesma disse, para o negócio,

0:03:25.438,0:03:27.622
utilizando diversas outras ferramentas.

0:03:27.622,0:03:30.695
E dependendo do tipo de produto[br]que estamos trabalhando,

0:03:30.695,0:03:34.714
as origens dos nossos dados, [br]temos que pensar também,

0:03:34.714,0:03:37.049
quais ferramentas vamos utilizar ali.

0:03:37.049,0:03:41.723
Então, esse passo inicial, [br]entendermos se o produto já existe,

0:03:41.723,0:03:45.489
se a empresa já trabalha [br]com algum tipo de métrica,

0:03:45.489,0:03:48.517
quais são essas métricas,[br]como elas são calculadas,

0:03:48.517,0:03:51.297
é a base de tudo, né, é onde começamos.

0:03:51.297,0:03:56.202
E caso seja uma empresa nova,[br]que já está nascendo na nuvem mesmo,

0:03:56.202,0:04:01.912
que já temos essa ideia de trabalhar [br]com analytics desde o início,

0:04:01.912,0:04:03.576
às vezes é um pouquinho mais fácil,

0:04:03.576,0:04:07.480
porque aí conseguimos trabalhar em conjunto [br]com o desenvolvimento do produto,

0:04:07.480,0:04:10.015
já trazendo essas métricas[br]e acompanhando as métricas

0:04:10.015,0:04:12.573
enquanto o produto[br]está sendo desenvolvido.

0:04:12.573,0:04:16.155
Então é um crescimento meio[br]que paralelo das duas frentes,

0:04:16.155,0:04:19.605
não só o negócio, como também [br]a plataforma que estamos desenvolvendo.

0:04:19.605,0:04:20.452
Perfeito.

0:04:20.452,0:04:24.331
Quando falamos do mercado,[br]o cenário é complexo, né,

0:04:24.331,0:04:28.968
então você tem ali uma estratégia [br]de negócio a ser pensada,

0:04:28.968,0:04:31.504
depois tem um olhar arquitetural também.

0:04:31.504,0:04:36.216
As arquiteturas são híbridas, [br]às vezes uma colcha de retalhos.

0:04:36.216,0:04:37.910
É sempre muito, né...

0:04:37.910,0:04:40.235
O Lucas está bastante [br]adaptado a essa realidade.

0:04:40.235,0:04:42.715
É sempre muito consultivo, né?

0:04:42.715,0:04:45.017
Não existe uma receita de bolo.

0:04:45.017,0:04:48.254
Trabalhamos os conceitos[br]com os alunos, mas no mercado,

0:04:48.254,0:04:52.091
essa adaptabilidade e flexibilidade[br]são superimportantes,

0:04:52.091,0:04:57.096
essa leitura ali do contexto [br]e da necessidade do cliente.

0:04:57.096,0:05:01.433
Por falar em necessidade do cliente, [br]Lucas, falamos muito de visão 360.

0:05:01.433,0:05:03.147
Isso é um termo meio negócio, né?

0:05:03.147,0:05:06.338
Eu quero uma visão 360 ali do meu cliente.

0:05:06.338,0:05:09.545
Você acha que um projeto nessa linha[br]que nós estamos comentando,

0:05:09.545,0:05:11.831
de um Data Warehouse, [br]de uma base analítica,

0:05:11.831,0:05:15.157
contribui para chegarmos nessa visão?

0:05:15.157,0:05:16.115
Com certeza.

0:05:16.115,0:05:21.127
Pensando numa estratégia para entendermos [br]como a empresa está funcionando,

0:05:21.127,0:05:24.178
essa visão 360 acaba sendo...

0:05:24.178,0:05:25.758
O que nós temos ao nosso redor?

0:05:25.758,0:05:30.929
Conseguíamos enxergar desde [br]as origens dos nossos dados

0:05:30.929,0:05:34.648
como estamos definindo o nosso produto,[br]como esse produto está sendo consumido,

0:05:34.648,0:05:38.931
como diferentes áreas estão trabalhando[br]com o desenvolvimento desse produto,

0:05:38.931,0:05:41.640
e, consequentemente, falando de dados,

0:05:41.640,0:05:46.481
como todos esses insumos estão [br]sendo utilizados internamente.

0:05:46.481,0:05:50.540
Então, a base dessa visão 360 [br]é construir uma plataforma

0:05:50.540,0:05:54.171
onde consigamos servir os nossos [br]usuários internos com dados

0:05:54.171,0:05:57.461
para que eles possam responder [br]as próprias perguntas

0:05:57.461,0:06:00.647
e entender, ter essa visão ampla,

0:06:00.647,0:06:02.849
de tudo o que está [br]acontecendo na empresa.

0:06:02.849,0:06:05.331
Em alguns casos, essa visão ampla,

0:06:05.331,0:06:09.001
dentro de grandes empresas [br]e grandes projetos,

0:06:09.001,0:06:12.271
acaba sendo muito difícil centralizarmos [br]num único grupo de pessoas.

0:06:12.271,0:06:16.275
Então descentralizamos[br]até um pouco mais essa estrutura

0:06:16.275,0:06:19.853
para conseguirmos controlar [br]escopos de negócio.

0:06:19.853,0:06:22.881
Ao invés de termos silos muito fechados,

0:06:22.881,0:06:26.468
termos essas estruturas individuais

0:06:26.468,0:06:29.188
funcionando em paralelo [br]dentro de uma empresa,

0:06:29.188,0:06:30.838
que é muito o conceito de data mesh, né,

0:06:30.838,0:06:35.709
onde conseguimos que pequenas áreas,[br]ou pequenos grupos de pessoas,

0:06:35.709,0:06:39.410
consigam ali controlar toda essa visão 360

0:06:39.410,0:06:41.650
de um escopo de trabalho específico,

0:06:41.650,0:06:44.368
por exemplo, só de finanças,[br]só de marketing,

0:06:44.368,0:06:47.139
de aquisição de novos usuários, [br]e assim por diante.

0:06:47.139,0:06:48.952
Aí, tudo isso funcionando em paralelo,

0:06:48.952,0:06:51.652
quando precisarmos ter essa [br]visão da empresa como um todo,

0:06:51.652,0:06:53.817
vamos extraindo os dados de cada ponta

0:06:53.817,0:06:57.718
para conseguir entender o funcionamento[br]da plataforma como um todo.

0:06:57.718,0:06:58.575
Sensacional.

0:06:58.575,0:07:03.855
A ideia da malha de dados, que é [br]algo super-recente e moderno,

0:07:03.855,0:07:07.759
apoia muito essa [br]completude de informações.

0:07:07.759,0:07:08.846
Sensacional!

0:07:08.846,0:07:13.997
E eu comecei, Lucas, falando um pouco[br]do patrocinador, do sponsor, né,

0:07:13.997,0:07:16.336
que o PMBOK fala muito também.

0:07:16.336,0:07:18.837
Porque sabemos [br]que na gestão de um projeto,

0:07:18.837,0:07:23.146
e você já viveu vários contextos assim,

0:07:23.146,0:07:26.913
um patrocínio é superimportante, né?

0:07:26.913,0:07:29.864
Quando falamos de um projeto [br]de estruturação dos dados,

0:07:29.864,0:07:32.828
assim como um projeto de governança,

0:07:32.828,0:07:36.206
às vezes demoramos um pouquinho [br]para entregar valor.

0:07:36.206,0:07:39.432
É muito mais fácil entregar [br]valor num dashboard, né?

0:07:39.432,0:07:40.564
Concorda comigo?

0:07:40.564,0:07:41.827
É palpável, né?

0:07:41.827,0:07:45.132
Todo mundo acessa aquele relatório,[br]ele responde às perguntas.

0:07:45.132,0:07:47.566
Mas e essa esteira [br]de engenharia que vem antes,

0:07:47.566,0:07:49.067
esse tempo do tratamento dos dados?

0:07:49.067,0:07:52.070
Isso toma um pouquinho de tempo,[br]mesmo que sejamos ágeis,

0:07:52.070,0:07:54.573
e vai gerando uma certa [br]ansiedade na organização.

0:07:54.573,0:08:00.052
Então, mesmo com a agilidade, ainda é [br]um projeto que precisa de patrocínio, né,

0:08:00.052,0:08:02.830
patrocínio forte ali.

0:08:02.830,0:08:03.548
Sem dúvida.

0:08:03.548,0:08:07.319
Falando de dados, quem é o patrocinador?

0:08:07.319,0:08:08.353
Quais são as áreas?

0:08:08.353,0:08:10.388
Quem costuma ser esse sponsor?

0:08:10.388,0:08:13.262
Esse projeto costuma partir de quem?

0:08:13.262,0:08:14.726
Como isso tem funcionado?

0:08:14.726,0:08:17.781
Existe um padrão ou varia [br]de uma empresa para outra?

0:08:17.781,0:08:21.335
É interessante pensarmos [br]em quem é o sponsor, né,

0:08:21.335,0:08:23.955
principalmente em algumas [br]empresas pequenas.

0:08:23.955,0:08:27.480
Um dos projetos que eu atuo agora [br]é de uma empresa um pouco menor,

0:08:27.480,0:08:33.411
onde o sponsor do projeto acaba sendo, [br]de fato, o CEO, o dono da empresa,

0:08:33.411,0:08:37.390
quem está precisando, de fato,[br]de insumos para a tomada de decisão.

0:08:37.390,0:08:40.285
Então acaba sendo algo[br]um pouco mais direcionado.

0:08:40.285,0:08:44.623
Mas quando pensamos em empresas maiores,

0:08:44.623,0:08:49.138
um patrocinador do projeto normalmente [br]seria aquela empresa, aquele grupo de...

0:08:50.468,0:08:53.708
Aquela área ou aquele grupo de pessoas,

0:08:53.708,0:08:58.036
que precisam tomar uma decisão, [br]responder algum tipo de pergunta,

0:08:58.036,0:09:00.722
e não necessariamente ter [br]todos esses assuntos prontos,

0:09:00.722,0:09:06.645
seja origem de dados onde não os temos [br]mapeados dentro da nossa plataforma,

0:09:06.645,0:09:09.545
seja processos de transformação[br]que não foram implementados

0:09:09.545,0:09:13.069
para calcular determinadas [br]métricas, indicadores,

0:09:13.069,0:09:14.919
ou até mesmo [br]desenvolvimento de dashboards.

0:09:14.919,0:09:19.758
Então, todo esse processo, essa esteira[br]inteira, desde a extração dos dados,

0:09:19.758,0:09:22.738
a manipulação desses dados,[br]o desenvolvimento das métricas,

0:09:22.738,0:09:26.142
e, por fim, o consumo [br]para tomada de decisão,

0:09:26.142,0:09:29.883
tudo isso parte da necessidade de alguém, [br]ou de algum grupo de pessoas,

0:09:29.883,0:09:32.103
ou de alguma área.

0:09:32.103,0:09:35.564
Então é normalmente essa área [br]que vai patrocinar, que vai investir ali,

0:09:35.564,0:09:38.673
não só o recurso financeiro, [br]mas também tempo, né,

0:09:38.673,0:09:42.461
para fazermos toda a organização [br]do projeto, para disponibilização...

0:09:43.801,0:09:47.318
E implementação desse [br]projeto completo de dados.

0:09:47.318,0:09:49.825
Normalmente vemos esse tipo de cenário.

0:09:49.825,0:09:54.335
E faz sentido dizer que, na maioria [br]das vezes, é uma dor de negócio.

0:09:54.335,0:09:58.348
E quando não se conecta o negócio[br]que está sendo desenvolvido,

0:09:58.348,0:10:00.832
temos até dificuldade [br]de vender internamente.

0:10:00.832,0:10:05.170
Então eu observo muitos projetos, [br]de novo, naufragando,

0:10:05.170,0:10:07.880
porque tem toda um aparato tecnológico,

0:10:07.880,0:10:11.743
mas os times de negócio ainda não [br]conseguiram enxergar valor, não utilizam.

0:10:11.743,0:10:14.746
E se não se conecta com valor[br]para a organização,

0:10:14.746,0:10:17.949
aquilo perde, perde em si.

0:10:17.949,0:10:22.515
Então esse processo de empurrar [br]a tecnologia é muito mais desafiador, né,

0:10:22.515,0:10:27.618
diferente de quando o negócio está [br]puxando ali e consegue entregar muito valor.

0:10:28.433,0:10:30.628
Como é essa sinergia?

0:10:30.628,0:10:34.643
Eu me lembro, nesse mercado,

0:10:34.643,0:10:37.936
de ter um preciosismo [br]técnico muito grande.

0:10:37.936,0:10:42.774
Quando você ia contratar, tinha que ser[br]aquele profissional que dominava o código,

0:10:42.774,0:10:45.983
aquela tela ali do "shell",[br]aquela tela preta e tudo mais.

0:10:45.983,0:10:49.789
E eu tenho percebido [br]o mercado mudando, né?

0:10:49.789,0:10:53.166
Mesmo hoje, quando eu estou [br]contratando um dev.

0:10:53.166,0:10:55.492
um profissional que vai [br]atuar mais tecnicamente,

0:10:55.492,0:10:58.892
ele precisa ter esse feeling de negócio,

0:10:58.892,0:11:02.393
essa conexão com o propósito[br]que ele está fazendo.

0:11:02.393,0:11:06.864
Você enxerga assim também,[br]esse alinhamento, negócio técnico...

0:11:06.864,0:11:10.572
Porque até parece que, na malha [br]de dados, conseguimos fazer melhor.

0:11:10.572,0:11:11.469
Com certeza.

0:11:11.469,0:11:12.942
Esse alinhamento é muito interessante,

0:11:12.942,0:11:15.498
principalmente quando pensamos [br]na stack moderna de dados,

0:11:15.498,0:11:20.111
que é um conceito, um framework [br]que surgiu recentemente,

0:11:20.111,0:11:26.395
tentando trazer algumas boas práticas,[br]algumas situações que visam justamente

0:11:26.395,0:11:29.439
permitir que profissionais não tão técnicos,

0:11:29.439,0:11:31.189
não necessariamente[br]só engenheiros de dados,

0:11:31.189,0:11:35.927
possam trabalhar com desenvolvimento,[br]contribuir com uma plataforma de dados.

0:11:35.927,0:11:39.797
Então utilizamos ferramentas [br]como low-code ou no-code, por exemplo,

0:11:39.797,0:11:42.800
ferramentas visuais para conseguirmos [br]fazer a integração de dados,

0:11:42.800,0:11:45.032
ferramentas visuais [br]para conseguirmos também

0:11:45.032,0:11:48.858
criar projetos de transformação [br]de dados, quando cabe...

0:11:50.633,0:11:52.310
Ferramentas de visualização.

0:11:52.310,0:11:58.034
Quase todas são drag-and-drop, onde [br]vamos construindo ali a nossa visualização

0:11:58.034,0:11:59.750
sem precisar necessariamente de código.

0:11:59.750,0:12:04.856
Então esse tipo de recurso permite [br]com que outros profissionais,

0:12:04.856,0:12:10.261
normalmente de negócios, também consigam [br]participar mais dentro de uma plataforma,

0:12:10.261,0:12:14.655
Então nós estamos mudando um pouco [br]aquele paradigma de que, dados,

0:12:14.655,0:12:17.168
uma área de dados, seria uma área de TI.

0:12:17.168,0:12:18.069
Não necessariamente.

0:12:18.069,0:12:19.804
Eu penso em dados como uma área híbrida,

0:12:19.804,0:12:23.574
uma área onde temos uma sinergia[br]muito grande com negócios,

0:12:23.574,0:12:27.612
onde precisamos entender o que está[br]sendo realizado do lado de negócios,

0:12:27.612,0:12:29.814
do lado do nosso produto[br]e assim por diante,

0:12:29.814,0:12:32.950
e também que possa navegar [br]no ferramental que temos disponível

0:12:32.950,0:12:34.986
dentro de uma plataforma de dados.

0:12:34.986,0:12:39.790
Então, esse cenário onde[br]conseguimos utilizar ferramentas

0:12:39.790,0:12:45.122
para resolver problemas de negócio,[br]essa ponte acaba sendo o cenário ideal

0:12:45.122,0:12:49.806
onde conseguimos escalar[br]projetos de dados, de Data Warehouse,

0:12:49.806,0:12:52.477
de BI, visualização e assim por diante.

0:12:52.477,0:12:55.752
A ferramenta é sempre [br]um meio, né, TI é um meio.

0:12:55.752,0:12:57.742
Nunca um fim em si, né?

0:12:57.742,0:13:02.613
Até por isso vemos projetos muitas vezes[br]começando com estabelecimento de domínio.

0:13:02.613,0:13:04.416
Domínio é um assunto de negócio, né?

0:13:04.416,0:13:08.619
Qual é o meu domínio financeiro,[br]o meu domínio de pessoas.

0:13:08.619,0:13:12.490
Hoje temos falado muito em governança, [br]na identificação do owner,

0:13:12.490,0:13:13.867
quem é o dono do dado.

0:13:13.867,0:13:18.062
E geralmente esse dono [br]do dado é alguém de negócio,

0:13:18.062,0:13:21.398
que entende bem da transação,[br]mas também do analítico,

0:13:21.398,0:13:24.301
porque até então tínhamos [br]uma barreira muito grande.

0:13:24.301,0:13:25.870
Parece que o mundo transacional...

0:13:25.870,0:13:28.472
Do transacional para o analítico,[br]trocávamos de assunto.

0:13:28.472,0:13:31.450
E não é. É uma nova forma [br]de organizar o dado,

0:13:31.450,0:13:33.310
mas é o mesmo dado, é o mesmo assunto,

0:13:33.310,0:13:37.248
é o mesmo domínio de negócio, [br]e dores muito parecidas, né?

0:13:37.248,0:13:40.417
Então, no mesh, nós temos [br]conseguido uma malha de dados,

0:13:40.417,0:13:46.576
temos conseguido essas evoluções [br]que trazem mais o negócio para o jogo.

0:13:46.576,0:13:50.394
Eu tenho observado isso,[br]ferramentas mais colaborativas também,

0:13:50.394,0:13:54.265
que o time de negócio consegue entender[br]o que está acontecendo e colaborar.

0:13:54.265,0:13:58.006
E aí são projetos que você gasta [br]mais tempo discutindo o negócio

0:13:58.006,0:14:01.315
do que aplicando ali[br]a complexidade técnica.

0:14:01.315,0:14:02.541
Que, no final das contas, [br]é o que importa, né?

0:14:02.541,0:14:03.541
Que é o que importa. Exatamente.

0:14:03.541,0:14:05.776
Estão, assim, são tendências importantes.

0:14:05.776,0:14:09.748
Não importa se você é de negócio[br]ou se é uma pessoa mais técnica,

0:14:09.748,0:14:11.785
isso precisa estar no nosso radar.

0:14:11.785,0:14:14.095
Mas eu acho importante ressaltar [br]também que não necessariamente

0:14:14.095,0:14:16.274
o que estamos mencionando [br]de ferramentas low-code,

0:14:16.274,0:14:19.445
ou visuais, né, e assim por diante,[br]que não temos código,

0:14:19.445,0:14:23.761
que não estamos falando [br]de Python, Scala, Java, enfim,

0:14:23.761,0:14:27.617
essa parte mais técnica [br]mesmo da área de dados.

0:14:27.617,0:14:29.300
Nós temos isso também.

0:14:29.300,0:14:30.530
Só que, em alguns cenários,

0:14:30.530,0:14:35.145
nós não precisamos de muita [br]complexidade para resolver problemas.

0:14:35.145,0:14:40.005
Não precisamos utilizar as ferramentas[br]que estão super em alta no mercado

0:14:40.005,0:14:42.084
só porque estão em alta no mercado.

0:14:42.084,0:14:43.113
Não necessariamente.

0:14:43.113,0:14:47.651
Podemos utilizar outras alternativas[br]que já vão resolver os nossos problemas

0:14:47.651,0:14:51.764
de determinada área da empresa,[br]ou às vezes até mesmo da empresa inteira,

0:14:51.764,0:14:54.153
com uma simplicidade maior,[br]facilidade maior,

0:14:54.153,0:14:56.427
sem a necessidade [br]de um grande time de dados,

0:14:56.427,0:14:59.466
garantindo que outras pessoas [br]estejam contribuindo ali também,

0:14:59.466,0:15:01.334
colaborando com o projeto.

0:15:01.334,0:15:06.670
Então é aquela questão, né,[br]precisamos identificar o cenário,

0:15:06.670,0:15:09.440
os requisitos que nós temos,[br]onde queremos chegar,

0:15:09.440,0:15:11.694
para conseguir ter essa escolha[br]também do ferramental.

0:15:11.694,0:15:12.655
Mas...

0:15:15.268,0:15:19.301
Frisando essa escolha de ferramentas,

0:15:19.301,0:15:25.212
não descartamos ferramentas mais complexas, [br]mais técnicas, com código de fato,

0:15:25.212,0:15:27.734
para resolução de problemas [br]mais complexos também.

0:15:27.734,0:15:29.611
Então elas caminham em paralelo.

0:15:29.611,0:15:33.409
Para cada situação, vamos ter ali [br]um ferramental mais específico

0:15:33.409,0:15:35.244
resolvendo um problema [br]de uma forma diferente.

0:15:35.244,0:15:36.784
Bom ponto, bom ponto.

0:15:36.784,0:15:39.418
Porque nós estamos falando[br]de um mundo de BI, de um Data Warehouse,

0:15:39.418,0:15:42.339
de KPIs para tomada de decisão,

0:15:42.339,0:15:45.919
mas, de repente, eu preciso [br]de uma latência mais baixinha,

0:15:45.919,0:15:48.349
o dado não entrar tão estruturado.

0:15:48.349,0:15:53.617
A minha dor de negócio está relacionada [br]a uma fonte que é um log,

0:15:53.617,0:15:57.187
que é algo que exige,[br]de repente, um monitoramento,

0:15:57.187,0:15:59.556
e aí eu vou para o mundo de Big Data.

0:15:59.556,0:16:01.792
Talvez eu não esteja falando só do DW,

0:16:01.792,0:16:05.796
talvez seja um Data Lake,[br]que é um outro repositório analítico,

0:16:05.796,0:16:09.700
um Data Lakehouse, que é alguma [br]coisa um pouco mais moderna.

0:16:09.700,0:16:14.177
De repente eu quero fazer [br]uma implementação mais open source

0:16:14.177,0:16:17.774
por uma necessidade específica[br]ali do meu contexto.

0:16:17.774,0:16:22.631
As ferramentas open source,[br]muitas delas de Big Datas mais robustas,

0:16:22.631,0:16:26.634
vêm com uma necessidade [br]de código maior, né?

0:16:26.634,0:16:31.288
Então tem casos em que a implementação[br]vai ser um pouco mais complexa.

0:16:31.288,0:16:35.125
Geralmente projetos mais robustos,[br]um maior volume de dados,

0:16:35.125,0:16:39.663
uma complexidade técnica[br]maior, uma latência menor.

0:16:39.663,0:16:42.132
Ainda cabe essa questão, né,

0:16:42.132,0:16:44.534
cabe bastante ainda[br]a questão do desenvolvimento.

0:16:44.534,0:16:46.303
Eu acho que o importante [br]é não ter preconceito.

0:16:46.303,0:16:47.871
Eu brinco muito com os alunos:

0:16:47.871,0:16:50.418
você vai de raiz ou vai de Nutella?

0:16:50.418,0:16:52.988
O raiz é o código lá e tudo mais,

0:16:52.988,0:16:58.069
e o Nutella é o low-code, [br]o drag-and-drop, a questão visual, né?

0:16:58.069,0:16:59.683
E existe preconceito.

0:16:59.683,0:17:03.036
Eu já ouvi de gestores em reuniões mesmo,

0:17:03.036,0:17:06.189
que eu estou ali, [br]apresentando uma proposta,

0:17:06.189,0:17:09.559
e eu percebo que eu falei alguma [br]coisa de low-code e ele torceu o nariz...

0:17:09.559,0:17:11.106
"Aqui todo mundo coda.

0:17:11.106,0:17:12.607
Temos codar.

0:17:12.607,0:17:14.097
Hand coding...".

0:17:14.097,0:17:16.036
Mas aí é um preconceito, né,

0:17:16.036,0:17:17.767
porque, de repente, como você falou,

0:17:17.767,0:17:21.771
em alguns casos você traz [br]alguma coisa mais low-code, resolve,

0:17:21.771,0:17:24.115
você entrega o projeto muito mais rápido.

0:17:24.115,0:17:25.175
Uma questão de custo.

0:17:25.175,0:17:30.313
Então, quem está gerindo o projeto[br]precisa ter esse olhar mais agnóstico

0:17:30.313,0:17:33.208
de pensar qual é a melhor [br]ferramenta, a melhor estratégia,

0:17:33.208,0:17:35.949
para aquele cenário específico.

0:17:35.949,0:17:37.301
É isso, né?

0:17:37.301,0:17:39.374
Muito desse preconceito [br]vem do uso indevido

0:17:39.374,0:17:41.892
de algumas ferramentas [br]justamente nesse cenário...

0:17:41.892,0:17:45.911
"Ah, esse projeto aqui precisava [br]de uma complexidade um pouco maior",

0:17:45.911,0:17:49.216
porque a demanda de negócio chegava....

0:17:50.098,0:17:55.305
A necessidade de negócio precisava [br]de uma latência mais baixa, ?, dependendo

0:17:55.305,0:17:59.219
ou até mesmo a quantidade de pessoas[br]trabalhando juntas no mesmo pipeline.

0:17:59.219,0:18:02.712
Com algumas ferramentas visuais,[br]temos algumas limitações desse tipo.

0:18:02.712,0:18:04.820
Às vezes não tem versionamento de código.

0:18:04.820,0:18:07.150
Tem alguns problemas nessas ferramentas.

0:18:07.150,0:18:08.018
Elas não são perfeitas.

0:18:08.018,0:18:10.887
Elas são mais fáceis para[br]começarmos a trabalhar,

0:18:10.887,0:18:14.227
mas não necessariamente[br]resolvem todos os problemas.

0:18:14.227,0:18:17.167
Só que aí tentamos [br]utilizar essas ferramentas

0:18:17.167,0:18:20.239
conforme o projeto vai ganhando [br]algum tipo de complexidade,

0:18:20.239,0:18:22.987
que outras soluções fariam mais sentido.

0:18:22.987,0:18:24.801
Daí que acaba entrando [br]um pouco desse preconceito,

0:18:24.801,0:18:28.277
porque vemos muito esse tipo [br]de infraestrutura com um projeto legado

0:18:28.277,0:18:33.053
utilizando dessas ferramentas, e que já [br]enxergamos hoje que não são mais escaláveis.

0:18:33.053,0:18:36.379
Então quer dizer que eu não vou mais [br]utilizar esse tipo de ferramenta?

0:18:36.379,0:18:39.181
Não, tem casos e casos.

0:18:39.181,0:18:43.104
Só precisamos escolher corretamente [br]e entender a hora de mudar,

0:18:43.104,0:18:44.130
caso seja necessário.

0:18:44.130,0:18:45.067
Na hora de escalar, exato.

0:18:45.067,0:18:47.097
E o contrário também é válido, né?

0:18:47.097,0:18:51.428
Vemos aí a onda do Kafka, que é [br]uma superferramenta de mensageria.

0:18:51.428,0:18:54.664
Quem gosta da coisa técnica, adora.

0:18:54.664,0:18:58.568
Ela é parruda, está na arquitetura[br]de grandes players, né,

0:18:58.568,0:19:01.604
LinkedIn, Uber e por aí vai.

0:19:01.604,0:19:04.980
Então o entusiasta técnico [br]que pôr Kafka em tudo, né?

0:19:04.980,0:19:08.186
Isso vale no contexto corporativo,[br]nas aulas também...

0:19:08.186,0:19:09.379
"Vamos desenhar uma arquitetura?".

0:19:09.379,0:19:12.416
Eu trago uma dor de negócio, [br]eu especifico ali o volume,

0:19:12.416,0:19:14.096
o aluno vem com Kafka na arquitetura.

0:19:14.096,0:19:16.776
Mas às vezes é uma dor [br]que o Excel resolveria, né?

0:19:16.776,0:19:17.650
E nada contra o Excel.

0:19:17.650,0:19:19.830
Se resolve, está ótimo.

0:19:19.830,0:19:22.692
Então eu acho que são os dois lados.

0:19:22.692,0:19:27.300
Existe o time do hand-code [br]e o time do low-code.

0:19:27.300,0:19:32.310
Na verdade, a visão arquitetural, [br]a visão estratégica,

0:19:32.310,0:19:35.030
madura, é superimportante,

0:19:35.030,0:19:36.370
Com certeza.

0:19:36.370,0:19:42.218
O nosso aluno precisa ir ganhando essa [br]maturidade para a tomada de decisão.

0:19:42.218,0:19:43.046
Muito bacana!

0:19:43.046,0:19:46.884
E falando, Lucas... Bom[br]esse papo, né, profundo.

0:19:46.884,0:19:53.156
Falando aí para o nosso aluno mesmo,[br]que está vivenciando esse mundo dos dados,

0:19:53.156,0:19:55.619
alguns já estão ali atuando,

0:19:55.619,0:20:01.529
você enxerga papéis claros [br]na construção de uma solução analítica?

0:20:01.529,0:20:07.770
O que eu posso ser, pensando [br]no que eu posso estudar e tudo mais?

0:20:07.770,0:20:13.609
Você, como engenheiro, interage [br]ali com outros profissionais.

0:20:13.609,0:20:15.724
Quais são esses papéis?

0:20:15.724,0:20:20.249
Nós temos aquela divisão básica [br]de uma plataforma de dados.

0:20:20.249,0:20:22.397
Temos um time de engenharia de dados,

0:20:22.397,0:20:25.621
time de ciência de dados[br]e de análise de dados.

0:20:25.621,0:20:27.960
Essa é a divisão tradicional,

0:20:27.960,0:20:32.300
mas temos muito mais [br]carreiras dentro de dados,

0:20:32.300,0:20:33.783
principalmente quando escalamos,

0:20:33.783,0:20:37.734
quando pensamos em grandes [br]empresas, grandes projetos.

0:20:37.734,0:20:41.550
Temos que levar muito em consideração [br]segurança de dados,

0:20:41.550,0:20:43.341
temos que levar [br]em consideração governança.

0:20:45.241,0:20:49.739
Dependendo, um engenheiro de dados,[br]pode estar muito mais próximo,

0:20:49.739,0:20:54.951
por exemplo, do Kafka, de ferramentas[br]mais técnicas, mais tela preta,

0:20:54.951,0:20:59.589
e outros engenheiros de dados estão mais [br]próximos de transformação, especificamente,

0:20:59.589,0:21:03.574
têm mais facilidade de lidar com o negócio, [br]de extrair aqueles insumos de negócio

0:21:03.574,0:21:06.696
para conseguir implementar [br]um pipeline de transformação.

0:21:06.696,0:21:09.832
E não conseguimos classificar [br]tudo numa mesma caixinha.

0:21:09.832,0:21:12.076
O engenheiro de dados, [br]ou a engenheira de dados...

0:21:14.036,0:21:19.108
Vai conseguir fazer tudo, né,[br]realizar todos essas atividades,

0:21:19.108,0:21:21.210
dominar todas essas possíveis ferramentas.

0:21:21.210,0:21:25.348
Então está cada vez mais ficando [br]segregado algumas responsabilidades.

0:21:25.348,0:21:29.218
Hoje, a engenharia de dados está [br]muito mais próxima de plataforma,

0:21:29.218,0:21:31.754
onde pensamos em integração de dados,

0:21:31.754,0:21:36.325
onde pensamos em manutenção de ferramentas, [br]como sistemas de mensageria,

0:21:36.325,0:21:40.329
de orquestração de dados,[br]Data Warehouse, Data Lakes,

0:21:40.329,0:21:42.431
toda essa parte mais de infraestrutura.

0:21:42.431,0:21:47.637
E enquanto no processo de transformação,[br]nós estamos usando lyrics engineers

0:21:47.637,0:21:52.375
que é uma carreira razoavelmente nova

0:21:52.375,0:21:57.878
e é especializada em implementar[br]processos de transformação de dados

0:21:57.878,0:22:02.095
utilizando insumos de negócio [br]que foram coletados

0:22:02.095,0:22:05.022
e navegando na plataforma [br]que foi desenvolvida

0:22:05.022,0:22:06.822
pelo time de engenharia de dados.

0:22:06.822,0:22:08.197
Ele é meio híbrido ali, né?

0:22:08.197,0:22:13.056
De todas as profissões, essa é[br]que acaba sendo a mais híbrida mesmo,

0:22:13.056,0:22:16.008
que demanda bastante [br]de conhecimento de negócio

0:22:16.008,0:22:19.532
e também conhecimento [br]das ferramentas utilizadas

0:22:19.532,0:22:22.972
para implementar as soluções [br]necessárias para o negócio.

0:22:22.972,0:22:26.729
E na outra ponta, uma vez [br]que já temos esses processos

0:22:26.729,0:22:28.589
de transformação implementados [br]e tudo mais,

0:22:28.589,0:22:32.501
nós temos times de análise, [br]times de ciência de dados,

0:22:32.501,0:22:35.151
times de governança, qualidade.

0:22:35.151,0:22:38.013
Podemos até mesmo ter outros times[br]de negócio, como marketing, por exemplo,

0:22:38.013,0:22:40.547
trabalhando diretamente com dados

0:22:40.547,0:22:44.637
Dados acaba sendo quase que o coração[br]dentro de marketing também.

0:22:44.637,0:22:47.389
É o principal insumo [br]para conseguirmos investir melhor

0:22:47.389,0:22:50.399
os nossos recursos em campanhas,[br]aquisição de usuários,

0:22:50.399,0:22:53.178
fazer testes A/B, tudo baseado em dados.

0:22:53.178,0:22:58.289
Então são várias possibilidades que nós [br]temos dentro de uma plataforma.

0:22:58.289,0:23:01.990
Em desenvolvimento de projetos de dados[br]há diversas possíveis carreiras,

0:23:01.990,0:23:05.182
ou em empresas menores, acabamos [br]tendo o profissional de dados...

0:23:05.182,0:23:08.012
- Que acaba fazendo um pouco de tudo também.[br]- Também, é verdade.

0:23:08.012,0:23:09.896
Ele põe a mão de ponta a ponta.

0:23:09.896,0:23:13.575
E tudo bem, é a realidade da empresa,[br]e para o profissional até é bacana,

0:23:13.575,0:23:17.298
porque às vezes ele aprende mais[br]colocando a mão ali.

0:23:17.298,0:23:21.168
E aí que as ferramentas mais simples,[br]mais visuais, acabam auxiliando também.

0:23:21.168,0:23:24.667
Porque, por exemplo, a minha [br]especialidade não é visualização.

0:23:24.667,0:23:28.304
Mas se eu tenho uma ferramenta[br]que me ajuda de forma gráfica

0:23:28.304,0:23:31.256
a construir um dashboard[br]de forma mais eficiente, ótimo,

0:23:31.256,0:23:35.756
porque eu não preciso aprender [br]uma outra tecnologia do zero e tudo mais.

0:23:35.756,0:23:38.280
Eu já consigo utilizar aquilo[br]para fazer o quê?

0:23:38.280,0:23:41.050
Responder perguntas de negócios,[br]que, no final das contas, é o que importa.

0:23:41.050,0:23:41.826
É o que importa.

0:23:41.826,0:23:44.108
Você tocou num ponto interessante,

0:23:44.108,0:23:49.758
como outras áreas têm vindo [br]para dados e se empoderado.

0:23:49.758,0:23:55.197
Temos trabalhado muito nesse processo [br]de Data Literacy, alfabetização em dados,

0:23:55.197,0:23:58.667
e vale muito alfabetizar [br]a empresa como um todo, né,

0:23:58.667,0:24:00.576
todos precisam falar dados.

0:24:00.576,0:24:04.173
Então agora é algo que tem crescido

0:24:04.173,0:24:08.577
e que talvez até nos ajude muito mais[br]a alavancar a questão da cultura.

0:24:08.577,0:24:12.134
Como nós podemos, Lucas,[br]fazer essa combinação?

0:24:12.134,0:24:14.316
O que vem primeiro?

0:24:14.316,0:24:17.986
A cultura, a cultura de dados,[br]a cultura data-driven,

0:24:17.986,0:24:21.764
ou colocar lá um Data Warehouse?

0:24:21.764,0:24:23.992
Eu percebo que, dependendo do cliente,

0:24:23.992,0:24:28.463
nós começamos o papo pela ponta[br]que está mais fácil, não é?

0:24:28.463,0:24:31.033
Eles querem ter a ferramenta, [br]e, ok, vamos por ali.

0:24:31.033,0:24:34.236
Outros já perceberam que, [br]apesar de ter a ferramenta,

0:24:34.236,0:24:36.138
eles não conseguem garantir um bom uso.

0:24:36.138,0:24:40.109
As pessoas ainda seguem muito no feeling,[br]e aí voltam um pouquinho atrás

0:24:40.109,0:24:43.645
e começam a falar de cultura, mindset.

0:24:43.645,0:24:45.562
Você percebe o mercado assim?

0:24:45.562,0:24:47.127
O que deveria...

0:24:47.127,0:24:49.017
Vamos falar do correto.

0:24:49.017,0:24:50.217
O mercado é muito híbrido.

0:24:50.217,0:24:52.195
Mas o que deveria vir primeiro?

0:24:52.195,0:24:55.891
A cultura ou a implementação [br]ali da solução?

0:24:55.891,0:25:00.912
Então, quando temos um tempo limitado [br]para conseguirmos implementar

0:25:00.912,0:25:03.575
um processo de dados,[br]uma plataforma de dados,

0:25:03.575,0:25:07.048
normalmente não conseguimos [br]preparar todas as pessoas

0:25:07.048,0:25:09.755
antes de começarmos um projeto desse tipo.

0:25:09.755,0:25:14.544
Aí que entram muitos consultores [br]para conseguir implementar a parte técnica

0:25:14.544,0:25:20.849
utilizando do que a empresa já entende ali

0:25:20.849,0:25:25.520
que vai agregar valor para ela[br]a partir daquele ferramental.

0:25:25.520,0:25:32.027
Mas eu não colocaria a implementação [br]técnica na frente dessa questão cultural.

0:25:32.027,0:25:34.529
Eu acho que tem que caminhar em paralelo.

0:25:34.529,0:25:38.533
Enquanto estamos construindo [br]essa plataforma,

0:25:38.533,0:25:42.504
já temos que demonstrar o porquê [br]essa plataforma é relevante,

0:25:42.504,0:25:43.839
como ela é relevante,

0:25:43.839,0:25:46.074
como que vamos utilizar,[br]como vamos agregar valor,

0:25:46.074,0:25:50.846
porque é mais fácil trabalhar com esse[br]tipo de ferramenta, com essa plataforma.

0:25:50.846,0:25:56.018
E tudo isso, em paralelo, acaba [br]garantindo o sucesso do projeto.

0:25:56.018,0:26:01.383
Não adianta gastarmos muito tempo fazendo [br]uma grande preparação, cursos, treinamentos,

0:26:01.383,0:26:03.336
e não estamos vendo a métrica ali.

0:26:03.336,0:26:04.394
- Muita teoria, né...[br]- Exato.

0:26:04.394,0:26:05.894
E nada prático.

0:26:05.894,0:26:09.475
E ao mesmo tempo que... "Nossa, nós já [br]temos aqui toda essa plataforma construída.

0:26:09.475,0:26:12.513
Agora nós vamos desligar aqui todo esse [br]processo que vocês já estavam fazendo

0:26:12.513,0:26:14.106
e vamos utilizar só essa".

0:26:14.106,0:26:17.005
"Por quê? O outro funcionava",[br]alguém pode perguntar.

0:26:17.005,0:26:18.440
E, de fato, estava funcionando.

0:26:18.440,0:26:19.875
Estava da melhor forma?

0:26:19.875,0:26:22.277
Não necessariamente,[br]mas estava funcionando.

0:26:22.277,0:26:27.916
Então, explicar e passar essa sensação[br]de que, beleza, estamos dando agora

0:26:27.916,0:26:31.792
um passo que, de fato, vai ser [br]relevante para nós, é fundamental.

0:26:31.792,0:26:35.727
Porque quando temos um sponsor no projeto,

0:26:35.727,0:26:38.581
pode ser que esse sponsor já [br]tenha comprado a ideia,

0:26:38.581,0:26:43.865
já entenda o valor, de fato, que vamos [br]agregar com essa plataforma desde o início.

0:26:43.865,0:26:46.034
Mas, beleza, temos uma pessoa.

0:26:46.034,0:26:49.171
E todo o restante do time,[br]todo o restante da empresa?

0:26:49.171,0:26:55.177
Podemos ter mais dificuldade[br]em comprovar isso para os demais.

0:26:55.177,0:26:57.879
Então não adianta simplesmente [br]entregarmos esse projeto

0:26:57.879,0:27:02.417
sem pensar na questão cultural[br]que caminha junto ao projeto.

0:27:02.417,0:27:06.245
Sim, e aspectos políticos[br]que são tão desafiadores, né?

0:27:06.245,0:27:11.192
Às vezes o gestor não quer[br]que se fale de uma nova tecnologia,

0:27:11.192,0:27:15.363
de uma nova metodologia, porque [br]ele não quer soar retrógrado,

0:27:15.363,0:27:20.001
não quer gerar uma impressão[br]que a gestão dele está atrasada.

0:27:20.001,0:27:23.438
E aí tem todo um cuidado, porque [br]nós estamos falando de pessoas,

0:27:23.438,0:27:29.377
e elas precisam ser respeitadas [br]porque estão dando o seu melhor.

0:27:29.377,0:27:34.949
É muito fácil você vir de fora [br]com as suas novas ideias.

0:27:34.949,0:27:40.220
Você não está ali no dia a dia,[br]matando um leão por dia.

0:27:40.220,0:27:45.822
Então, a cultura vem junto [br]com a questão política também,

0:27:45.822,0:27:47.595
de se mostrar...

0:27:47.595,0:27:50.198
Quem quiser fomentar [br]essa cultura, esse mindset,

0:27:50.198,0:27:55.837
precisa se mostrar como alguém [br]que quer somar, alavancar, enfim,

0:27:55.837,0:27:59.288
e não alguém que veio [br]para dizer que está tudo errado,

0:27:59.288,0:28:00.570
que você está fazendo tudo errado,

0:28:00.570,0:28:05.830
vamos fazer agora dessa outra forma [br]que é superdiferente e funciona.

0:28:05.830,0:28:10.303
Até porque nada funciona saindo dos livros

0:28:10.303,0:28:12.987
e sendo encaixado [br]na realidade corporativa ali.

0:28:12.987,0:28:14.839
Precisamos adaptar tudo.

0:28:14.839,0:28:20.361
Então são aspectos mais complexos[br]que as questões técnicas, não é, Lucas?

0:28:20.361,0:28:23.364
Parece que até resolvemos [br]mais rápido o técnico.

0:28:23.364,0:28:25.900
Quando falamos de cultura,[br]de questões políticas,

0:28:25.900,0:28:29.070
elas são mais desafiadoras,[br]mas precisam ser consideradas,

0:28:29.070,0:28:31.313
senão você faz uma superimplementação

0:28:31.313,0:28:35.248
e ninguém usa, né, enterra, ela morre ali.

0:28:35.248,0:28:36.608
Exatamente.

0:28:36.608,0:28:37.287
Muito bom!

0:28:37.287,0:28:39.457
Gente, que papo bom!

0:28:39.457,0:28:40.915
São muitas coisas.

0:28:40.915,0:28:43.166
É o tipo do papo que temos [br]que ouvir algumas vezes

0:28:43.166,0:28:45.486
para poder extrair tudo [br]o que está sendo dito.

0:28:45.486,0:28:47.689
São nortes superimportantes.

0:28:47.689,0:28:52.927
Mas tem um último ponto que eu queria [br]te ouvir, aproveitar bem a sua experiência,

0:28:52.927,0:28:55.563
que é a questão da segurança dos dados.

0:28:55.563,0:28:59.417
Temos uma referência na Europa,

0:28:59.417,0:29:03.547
na lei europeia de proteção aos dados.

0:29:03.547,0:29:09.877
A LGPD já veio com alguns avanços,[br]estabelecendo alguns limites.

0:29:09.877,0:29:15.005
De novo, temos alguns desafios [br]que são culturais aqui no Brasil.

0:29:16.117,0:29:20.450
Como você vê a questão da segurança [br]dos dados, num contexto analítico,

0:29:20.450,0:29:25.245
onde muitas vezes você vai, de fato, [br]armazenar ali, de forma agregada,

0:29:25.245,0:29:29.063
todas as suas informações gerenciais?

0:29:29.063,0:29:34.466
Quais cuidados, qual a maturidade brasileira[br]nesse momento em relação ao assunto?

0:29:34.466,0:29:39.607
Conforme a lei chegou, ela [br]chegou para proteger, de fato,

0:29:39.607,0:29:43.444
as pessoas que têm os dados[br]compartilhados com outras empresas.

0:29:45.279,0:29:49.552
Então ela talvez tenha chegado até [br]um pouco tarde porque ela surgiu

0:29:49.552,0:29:53.049
porque encontramos problemas [br]de dados sendo vazados e tudo mais,

0:29:53.049,0:29:57.358
justamente porque algumas práticas[br]não estavam sendo utilizadas.

0:29:57.358,0:30:01.763
Disponibilizamos dados sensíveis,[br]que já conseguimos enxergar hoje

0:30:01.763,0:30:04.224
essa diferença de dados sensíveis ou não,

0:30:04.224,0:30:07.315
identificadores de usuários...

0:30:08.955,0:30:10.905
Telefones, endereço, enfim,

0:30:10.905,0:30:14.408
dados ali que podem ser [br]utilizados de forma indevida.

0:30:14.408,0:30:19.080
Tudo isso de forma muito acessível,[br]que seria fácil de alguém mal-intencionado

0:30:19.080,0:30:22.884
conseguir extrair esses dados[br]e utilizar para outras finalidades.

0:30:22.884,0:30:27.455
Então, algumas etapas,[br]algumas camadas de proteção,

0:30:27.455,0:30:33.127
são desenvolvidas para mitigarmos, [br]evitarmos esse tipo de situação.

0:30:33.127,0:30:37.865
Obviamente, o acesso ao Data Warehouse,[br]ao Data Lake, aos dados de origem,

0:30:37.865,0:30:40.474
se alguém invadir esses sistemas,[br]com certeza vamos ter um grande problema.

0:30:40.474,0:30:45.006
Mas pensando em todo o funil [br]de transformação de dados,

0:30:45.006,0:30:47.675
todo esse processo que nós temos[br]dentro de uma plataforma,

0:30:47.675,0:30:52.747
são várias camadas que nós temos[br]até chegar num dado sensível.

0:30:52.747,0:30:56.429
Normalmente a ponta de visualização,[br]a ponta de consumo,

0:30:56.429,0:31:01.207
onde temos respostas ali [br]para as nossas perguntas.

0:31:01.207,0:31:05.893
não precisamos necessariamente[br]do CPF do cliente ou do telefone.

0:31:05.893,0:31:08.096
Precisamos de números indicando

0:31:08.096,0:31:10.396
se determinada campanha [br]de marketing, por exemplo,

0:31:10.396,0:31:13.034
está funcionando da forma esperada ou não.

0:31:13.034,0:31:14.935
Então não precisamos de muitos detalhes.

0:31:14.935,0:31:19.907
Os dados que ficam [br]disponíveis para amplo acesso,

0:31:19.907,0:31:24.396
seja interno ou dependendo até mesmo como [br]um produto sendo exposto de alguma forma,

0:31:24.396,0:31:28.638
são dados agregados, como [br]você disse, métricas já calculadas,

0:31:28.638,0:31:29.977
dados onde nós...

0:31:31.110,0:31:32.506
Esses dados são anônimos.

0:31:32.506,0:31:38.220
Não conseguimos vincular toda [br]essa informação a pessoas,

0:31:38.220,0:31:40.818
não conseguimos trazer insumos

0:31:40.818,0:31:45.293
para ser utilizado de forma [br]indevida por outras pessoas.

0:31:46.172,0:31:51.802
Então eu acho que essas leis que surgiram,[br]como temos implementado isso agora,

0:31:51.802,0:31:54.908
já deveríamos estar [br]fazendo isso bem antes.

0:31:54.908,0:31:58.179
Agora, por ter virado, de fato, uma lei,

0:31:58.179,0:32:02.254
principalmente o cenário nacional[br]tem evoluído de uma forma interessante,

0:32:02.254,0:32:04.644
temos nos preocupado[br]cada vez mais com isso.

0:32:04.644,0:32:07.197
E tem até diversos memes [br]na internet também.

0:32:07.197,0:32:10.057
Quando tem ali o vazamento de dados,

0:32:10.057,0:32:12.660
daí começa-se a investir [br]muito dinheiro e tudo mais.

0:32:12.660,0:32:15.489
E não precisamos disso, porque [br]se vazar, vão ter muitas multas,

0:32:15.489,0:32:18.933
vão ter muitas coisas envolvidas,[br]então ninguém quer que isso aconteça.

0:32:18.933,0:32:22.703
Então, além de proteger o cliente,[br]as empresas estão se protegendo também.

0:32:22.703,0:32:26.054
Consequentemente, temos [br]um cenário cada vez melhor

0:32:26.054,0:32:28.742
pensando em proteção de dados.

0:32:28.742,0:32:32.093
Ferramentas de governança estão [br]sendo cada vez mais utilizadas

0:32:32.093,0:32:34.315
para conseguirmos identificar[br]o que é um dado sensível ou não,

0:32:34.315,0:32:37.622
para protegê-los [br]de uma forma mais eficiente.

0:32:37.622,0:32:44.024
Ferramentas para dar nível de acesso [br]de uma forma mais eficiente.

0:32:44.024,0:32:45.523
Os próprios Data Warehouses.

0:32:45.523,0:32:47.880
Hoje nós conseguimos dar[br]acesso em nível de linha,

0:32:47.880,0:32:49.930
nível de coluna de uma mesma tabela,

0:32:49.930,0:32:53.601
o que acaba sendo muito mais prático[br]também para esse tipo de proteção.

0:32:53.601,0:32:57.938
Então toda essa tecnologia está [br]em favor justamente de proteger,

0:32:57.938,0:32:59.786
de como estamos utilizando esses dados.

0:32:59.786,0:33:00.741
Muito bacana.

0:33:00.741,0:33:02.886
E é um ganha ganha, né, como você diz.

0:33:02.886,0:33:08.839
Todo mundo sai ganhando com uma postura [br]mais ética e mais segura também.

0:33:08.839,0:33:09.663
Com certeza.

0:33:09.663,0:33:10.900
Muito bom, Lucas.

0:33:10.900,0:33:13.343
Eu quero te agradecer né?

0:33:13.343,0:33:16.657
Muito bom aprender [br]com você, te ouvir, ouvir cases.

0:33:16.657,0:33:20.658
Eu sei que você traz o frescor,[br]a prática do mercado.

0:33:21.253,0:33:22.515
O Lucas é professor.

0:33:22.515,0:33:24.713
Eu acho que deu para vocês perceberem, né?

0:33:24.713,0:33:30.485
Além de estar aí no contexto corporativo,[br]ele também nos ensina aqui.

0:33:30.485,0:33:34.938
E unir as duas coisas, fica [br]uma delícia para os ouvidos, viu?

0:33:34.938,0:33:36.210
Foi um prazer.

0:33:36.210,0:33:36.777
Muito obrigado.

0:33:36.777,0:33:39.179
Eu que agradeço a participação, o convite.

0:33:39.179,0:33:41.515
Falar do intermake[br]para mim é superimportante

0:33:41.515,0:33:44.451
Está presente em todos [br]os meus dias do trabalho,

0:33:44.451,0:33:48.535
então acaba sendo muito interessante [br]poder compartilhar um pouquinho

0:33:48.535,0:33:52.277
dessa experiência também, e também [br]ouvir todos os seus pontos, né?

0:33:52.277,0:33:55.086
A sua experiência também é muito boa.

0:33:55.086,0:33:57.217
Sempre aprende um pouquinho [br]mais nesses papos.

0:33:57.217,0:33:58.396
Nós crescemos.

0:33:58.396,0:34:01.346
E você também, que ficou [br]conosco até agora, cresceu,

0:34:01.346,0:34:05.459
e pôde perceber que nós [br]temos uma série de papéis,

0:34:05.459,0:34:09.409
muita tecnologia, várias ferramentas.

0:34:09.409,0:34:12.187
A nossa dica, né, Lucas, é: comece.

0:34:12.187,0:34:13.647
Tem muita oportunidade.

0:34:13.647,0:34:17.017
Muita, muita, um mercado muito aquecido.

0:34:17.017,0:34:18.519
Comece, vá mergulhando.

0:34:18.519,0:34:22.055
Com o tempo você vai ganhando [br]maturidade, visão arquitetural.

0:34:22.055,0:34:24.625
O céu é o limite, de fato,[br]nesse mercado de dados.

0:34:24.625,0:34:27.060
Nós somos suspeitos,[br]amamos tudo isso aqui.

0:34:27.060,0:34:29.815
Queremos que você venha[br]aqui para o nosso lado também.